ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,131
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PNUNCIT01_091
تاریخ نمایه سازی: 20 اردیبهشت 1392
چکیده مقاله:
نیاز به ذخیره دادهها در پایگاه داده رابطهای و مشکلات ناشی از ادغام جداول و تبدیل آن ها به یک جدول واحد، ما را به سوی داده کاوی برای یافتن الگوهای پر تکرار رابطهای استفاده می شود. در کارهای قبلی MRFP-Growth رابطه ای رهنمون می سازد. در اینجا از الگوریتمانجام شده، به بررسی تأثیر فازی سازی ویژگیهای عددی در کاوش قوانین انجمنی برای حل مشکل بازههای تند و همچنین بهکارگیریچندین کمینه ضریب پشتیبان برای رفع مشکل اقلام نادر در پایگاه داده شامل یک جدول پرداخته شده است. در این مقاله به بررسی تأثیر این دو عامل در پایگاه داده رابطهای میپردازیم. فازی سازی ویژگی های عددی باعث رفع مشکل بازههای تند در پایگاه داده رابطهایمیشود. برای رفع مشکل اقلام نادر، از چندین کمینه ضریب پشتیبان برای اقلام مختلف استفاده می کنیم. به طوری که کمینه ضریبپشتیبان به عنوان درصدی از تعداد کل پشتیبان هر قلم داده در نظر گرفته می شود. استفاده از این روش باعث بهبود نسبی مشکل اقلام نادر می شود و از تولید تعداد زیاد و انفجاری الگوهای پر تکرار در مقادیر کوچک کمینه ضریب پشتیبان جلوگیری میکند. تعداد الگوها پرتکرار بعد از فازی سازی و استفاده از چندین کمینه ضریب پشتیبان به طور مناسبی کاهش می یابد ولی زمان اجرا الگوریتم و میانگین طول الگوها افزایش می یابد. در نتیجه الگوهای رابطه ای طولانی تری که حاوی اطلاعات بیشتری هستند، به وجود می آید.
کلیدواژه ها:
نویسندگان
مریم حسنعلی
دانشگاه پیام نور، دانشجوی کارشناسی ارشد گروه کامپیوتر و فناوری اطلاع
بهروز مینایی
دانشگاه علم و صنعت، عضو هیات علمی گروه نرم افزار، تهران،
احمد فراهی
دانشگاه پیام نور، عضو هیات علمی گروه کامپیوتر و فناوری اطلاعات، تهرا
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :